冕环是太阳大气中的炙热等离子在太阳磁场的作用下产生的一种太阳特征结构;研究冕环动力学特征将促进我们对太阳日冕磁场,日冕加热和日冕振荡等研究.冕环结构的准确识别和提取则是相关研究的前提条件.然而由于日冕磁场的复杂性,使得对冕环结构识别和提取面临很大的困境.为此,本文提出了一个新的冕环识别算法.该算法结合了引导滤波和小波变换模极大值的方法来对冕环结构进行自动识别和提取.识别和提取算法过程如下:(1)运用模糊函数对太阳日冕图像的对比度进行增强;(2)使用引导滤波对增强后的图像进行滤波来增强冕环结构的边缘;(3)对滤波过后的图像使用小波变换模极大值法来识别图像中的冕环结构,并对识别出的冕环图像进行二值化处理;(4)对二值化图像进行形态学处理来获取冕环结构.运用该算法对由过渡区和日冕探测器(Transition and Coronal Explorer, TRACE)和太阳动力观测站的大气成像装置(Atmospheric Imaging Assembly on the Solar Dynamics Observatory, SDO/AIA)观测设备在171?波段所观测的日冕图像中的冕环结构进行识别和提取,并同已有文献的识别结果进行了对比,结果表明本文所提出的算法具有很高的识别率和很好的鲁棒性.所识别和提取的冕环结构能进一步用于科学研究中.
随着巡天观测计划的进行,传统的数据库技术无法满足海量天文数据的存储以及检索性能的需求。针对海量天文数据存储以及锥形检索的高并发、高性能问题,采用数据库中间件技术,当海量数据到达传统数据库存储阈值时,能够通过中间件技术以分库分表的形式存储到数据库集群,充分整合关系型数据库和分布式技术的优点。利用MySQL数据库集成动态索引工具(Dynamic Index Facility,DIF)插件,在分布式数据库中建立伪球面索引,能够满足海量天文数据锥形索引的需求。
太阳活动区是各类太阳活动的主要能量来源,剧烈的太阳活动直接影响人类的生存环境,因此,准确地检测与跟踪太阳活动区对监控和预报空间天气非常重要.基于深度学习框架的YOLOv3-spp和DeepSort,提出了一种太阳活动区检测和跟踪方法(Active Regions Detection and Tracking Method,ARDTM),该方法较好地解决了传统图像处理方法易将一个太阳活动区误检测为多个,或者多个太阳活动区误检测为一个的问题;及时捕获新产生的太阳活动区和终止跟踪消失的太阳活动区,有效提高了太阳活动区的跟踪准确率.实验结果表明,该方法可以较好地检测和跟踪不同望远镜、不同时间间隔序列图像中的太阳活动区.
暂无评论